PyTorch：如何在任何给定时刻更改优化器的学习率（无 LR 计划）

Posted 2023-03-05

【中文标题】PyTorch：如何在任何给定时刻更改优化器的学习率（无 LR 计划）

【英文标题】：PyTorch: How to change the learning rate of an optimizer at any given moment (no LR schedule)

【发布时间】：2018-06-27 16:39:43

【问题描述】：

在 PyTorch 中是否可以在训练过程中动态改变优化器的学习率（我不想事先定义学习率计划）？

假设我有一个优化器：

optim = torch.optim.SGD(model.parameters(), lr=0.01)

现在由于我在训练期间进行的一些测试，我意识到我的学习率太高了，所以我想把它改成0.001。似乎没有方法optim.set_lr(0.001)，但有什么方法可以做到这一点吗？

【参考方案1】：

所以学习率存储在optim.param_groups[i]['lr']。 optim.param_groups 是可以具有不同学习率的不同权重组的列表。因此，只需这样做：

for g in optim.param_groups:
    g['lr'] = 0.001

会成功的。

或者，

正如 cmets 中提到的，如果您的学习率仅取决于 epoch 数，您可以使用learning rate scheduler。

例如（来自文档的修改示例）：

torch.optim.lr_scheduler import LambdaLR
optimizer = torch.optim.SGD(model.parameters(), lr=0.1, momentum=0.9)
# Assuming optimizer has two groups.
lambda_group1 = lambda epoch: epoch // 30
lambda_group2 = lambda epoch: 0.95 ** epoch
scheduler = LambdaLR(optimizer, lr_lambda=[lambda1, lambda2])
for epoch in range(100):
    train(...)
    validate(...)
    scheduler.step()

还有，还有一个prebuilt learning rate scheduler to reduce on plateaus.

【讨论】：

@MehmetBurakSayıcı 提出一个新问题。

2020年使用this automatic updaters

我尝试使用它，但我没有更改 lr。必须做出这样的改变： for i in range(len(optimizer.param_groups)): optimizer.param_groups[i]['lr'] = new_lr

【参考方案2】：

您可以直接通过以下方式来代替patapouf_ai's answer 中的循环：

optim.param_groups[0]['lr'] = 0.001

【讨论】：

这仅适用于您有一个参数组的情况。 （这可能是大部分时间。）